電力系統(tǒng)短期負(fù)荷智能化預(yù)測(cè)方法研究.pdf

1、電力系統(tǒng)短期負(fù)荷預(yù)測(cè)是電力系統(tǒng)調(diào)度運(yùn)營(yíng)部門(mén)的一項(xiàng)重要的日常工作，預(yù)測(cè)精度的高低直接影響到電力系統(tǒng)運(yùn)行的安全性、經(jīng)濟(jì)性和供電質(zhì)量。由于電力負(fù)荷本身具有一定的不確定性、非線(xiàn)性、隨機(jī)性等內(nèi)在特點(diǎn)，負(fù)荷預(yù)測(cè)一直是學(xué)術(shù)研究的前沿與熱點(diǎn)問(wèn)題。隨著電力市場(chǎng)的發(fā)展，負(fù)荷變化規(guī)律的更加復(fù)雜，而傳統(tǒng)的單一預(yù)測(cè)方法自適應(yīng)能力較差，致使負(fù)荷預(yù)測(cè)的復(fù)雜性與求解方法的局限性之間的矛盾更加突出，預(yù)測(cè)不能得到滿(mǎn)意的結(jié)果。因此，智能綜合預(yù)測(cè)法的研究成為當(dāng)今負(fù)荷預(yù)測(cè)的研究

2、重點(diǎn)之一。
　　 本文針對(duì)電力負(fù)荷自身特點(diǎn)，將預(yù)測(cè)日分為工作同和節(jié)假日不同類(lèi)型，考慮氣象，實(shí)時(shí)電價(jià)等影響因素，引入多種智能優(yōu)化計(jì)算方法以及綜合預(yù)測(cè)技術(shù)，對(duì)電力負(fù)荷預(yù)測(cè)的理論與方法進(jìn)行深入研究，為電力系統(tǒng)運(yùn)行管理提供科學(xué)的決策依據(jù)。主要研究工作和創(chuàng)新性成果如下：
　　 (1)分析了負(fù)荷預(yù)測(cè)中的影響因素和導(dǎo)致誤差的原因，針對(duì)歷史樣本中的壞數(shù)據(jù)，提出了基于核函數(shù)的加權(quán)模糊C均值聚類(lèi)的改進(jìn)算法—WKFCM，該算法采用一個(gè)核誘導(dǎo)距

3、離的簡(jiǎn)單兩項(xiàng)和代替了復(fù)雜的歐氏距離作為聚類(lèi)目標(biāo)公式的不相似性測(cè)度函數(shù)，以減小計(jì)算復(fù)雜度。在對(duì)數(shù)據(jù)進(jìn)行聚類(lèi)之后，提出采用使用收斂速度快、模式分類(lèi)能力強(qiáng)的超圓神經(jīng)元網(wǎng)絡(luò)建立壞數(shù)據(jù)辨識(shí)修正模型，提高了壞數(shù)據(jù)處理的效果。
　　 (2)對(duì)于工作日的負(fù)荷預(yù)測(cè)，提出了基于自適應(yīng)策略的改進(jìn)免疫優(yōu)化的激勵(lì)函數(shù)可調(diào)的BP學(xué)習(xí)算法負(fù)荷預(yù)測(cè)模型。算例證明，本文提出的基于自適應(yīng)策略的改進(jìn)免疫算法和激勵(lì)函數(shù)可調(diào)的BP優(yōu)化學(xué)習(xí)算法比基于混沌優(yōu)化的激勵(lì)函數(shù)的B

4、P算法更準(zhǔn)確可靠，更具實(shí)用價(jià)值。
　　 (3)對(duì)于節(jié)假日的負(fù)荷預(yù)測(cè)，文中將節(jié)假日分為周末休息日和重大節(jié)假日兩類(lèi)。對(duì)于周末休息日，提出基于免疫粒子群優(yōu)化的最小二乘支持向量機(jī)(IPSO-LS-SVM)預(yù)測(cè)模型。把免疫系統(tǒng)的抗體多樣性保持機(jī)制引入到粒子群優(yōu)化算法中，在保留高適應(yīng)度粒子的同時(shí)，確保了粒子的多樣性，從而提高了收斂性能。針對(duì)元旦、春節(jié)、五一和國(guó)慶等節(jié)假日負(fù)荷預(yù)測(cè)時(shí)間跨度長(zhǎng)、可參考的歷史數(shù)據(jù)量少、受氣象因素影響更為突出的特點(diǎn)，

5、提出采用灰色-馬爾可夫鏈模型進(jìn)行負(fù)荷預(yù)測(cè)，然后用綜合影響因素匹配模型對(duì)預(yù)測(cè)結(jié)果進(jìn)行修正，提高了預(yù)測(cè)的精度。
　　 (4)對(duì)實(shí)時(shí)電價(jià)與短期負(fù)荷的關(guān)系進(jìn)行了相關(guān)分析，提出了粒子群算法優(yōu)化的改進(jìn)廣義回歸神經(jīng)網(wǎng)絡(luò)(GRNN-PSO)與自適應(yīng)神經(jīng)模糊系統(tǒng)(ANFIS)的綜合預(yù)測(cè)方法，該方法充分利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)和非線(xiàn)性映射能力。首先利用粒子群算法優(yōu)化廣義回歸神經(jīng)網(wǎng)絡(luò)算法(GRNN-PSO)，然后應(yīng)用ANFIS系統(tǒng)對(duì)GRNN-PSO預(yù)測(cè)結(jié)